Wir freuen uns, Ihnen mitteilen zu können, dass Lokad jetzt text-mining-Funktionen bietet, die seine Prognose-Engine bei der Erstellung präziser Nachfrageprognosen unterstützen, selbst wenn wir uns Produkte ansehen, die mit einer spärlichen und intermittierenden Nachfrage verbunden sind und nicht von Attributen wie Kategorien und Hierarchien profitieren. Diese Funktion ist live, schauen Sie sich die Label-Option unserer Prognose-Engine. Die neuen Text-Mining-Funktionen der Lokad-Prognose-Engine sind ein Wechsler: Die Engine ist nun in der Lage, die Klartextbeschreibung von Produkten zu verarbeiten, um die Korrelationen zwischen den Produkten zu ermitteln. In der Praxis stellen wir fest, dass es den Unternehmen zwar an geeigneten Kategorisierungen für ihre Produkte mangelt, eine Klartextbeschreibung der Produkte jedoch fast immer verfügbar ist, was die Anwendbarkeit der Prognoseperspektive von Lokad für die Breite und die erste Prognose dramatisch verbessert. Lokad betrachtet historische Daten der Lieferkette aus einem anderen Blickwinkel: Anstatt die Tiefe der Daten zu betrachten, die tendenziell nicht vorhanden ist, betrachten wir die Breite der Daten, d. h. alle Korrelationen, die zwischen den Produkten bestehen. Da es häufig Tausende von Produkten gibt, können viele Korrelationen genutzt werden, um die Prognosegenauigkeit deutlich zu verbessern. Doch wenn wir diese Korrelationen herstellen, können wir nicht damit rechnen, dass wir uns auf die Nachfragehistorie verlassen, da viele Produkte, wie die Produkte, die demnach auf den Markt kommen, noch nicht einmal historische Daten haben. Daher hat die Prognose-Engine von Lokad einen Mechanismus eingeführt, um stattdessen Kategorien und Hierarchien zu nutzen.

Die wichtigste Prognoseherausforderung für Lieferketten ist die geringe Datenmenge: Die meisten Produkte haben keine relevanten historischen Daten im Wert von einem Jahrzehnt und werden nicht von Tausenden von Einheiten bedient, wenn man die Ränder des Lieferkettennetzwerks betrachtet. Herkömmliche Prognosemethoden, bei denen davon ausgegangen wird, dass die Zeitreihen sowohl lang als auch nicht spärlich sind, schneiden genau aus diesem Grund schlecht ab. Unser Motto ist es, das Beste aus den Daten zu machen, die Sie haben. Mit Text-Mining-Fähigkeiten senken wir erneut die Anforderungen, um Ihr Unternehmen in die Jahre der quantitativen Lieferketten zu bringen. Irgendwelche Fragen? Lassen Sie uns einfach eine Zeile an contact@lokad.com. Unser obiges Beispiel ist vereinfachend, aber in der Praxis beinhaltet Textmining das Aufdecken komplexer Beziehungen zwischen Wörtern und Bedarfsmustern, die in den historischen Daten beobachtet werden können. Produkte, die ähnliche Beschreibungen enthalten, können ähnliche Trends, ähnliche Lebenszyklen und ähnliche Saisonalitäten aufweisen. Zwei Produkte mit ähnlichen Bezeichnungen können jedoch den gleichen Trend aufweisen, aber nicht die gleiche Saisonalität usw. Die Prognose-Engine von Lokad basiert auf Machine Learning-Algorithmen, die die relevanten Informationen aus den Klartextbeschreibungen der Produkte automatisch identifizieren.

Der Motor benötigt keine Vorverarbeitung der Produktbeschreibungen. Die Nutzung von Kategorien und Hierarchien für eine höhere Prognosegenauigkeit funktioniert hervorragend. Dieser Ansatz leidet jedoch unter einer bestimmten Einschränkung: Er beruht auf der Verfügbarkeit von Kategorien und Hierarchien. Tatsächlich haben viele Unternehmen nicht viel in Stammdaten-Setups investiert und können daher nicht von vielen detaillierten Informationen über die Produkte profitieren, die durch die Lieferkette fließen. Früher, als keine Kategorie und keine Hierarchie verfügbar waren, war unser Prognosemodul in seiner Fähigkeit, mit einer spärlichen und intermittierenden Nachfrage fertig zu werden, im Wesentlichen gelähmt. Wenn z. B. eine Vielzahl von Produkten den Namen Something Christmas tragen und alle diese Produkte vor Weihnachten eine konstante saisonale Spitze aufweisen, kann der Prognosemotor dieses Muster identifizieren und automatisch die abgeleitete Saisonalität auf ein neues Produkt anwenden, das das Schlüsselwort Weihnachten in seiner Beschreibung hat.

Genau das passiert bei Lokad unter der Haube, wenn Klartextbeschriftungen an die Prognose-Engine zugeführt werden.